2019财通证券多因子系列报告：数据异常值处理比较与实践｜量化投资策略

报告摘要

本报告系统梳理了7种常用数据异常值处理方法（均值标准差修正法、固定比率修正法、中位数去极值法、Beat G.Briner法、因子排序值标准化法、箱形图法、无量纲处理法），并通过实证检验对比各方法的优劣。核心发现：对于财务数据特别是增长率类数据，中位数去极值法和箱形图法稳健性更优；分位数回归相比传统OLS回归更能抵抗极端值影响，且可描述条件分布全貌。报告还包含市场风格解析（高Beta、高波动股票近期占优）和指数风险预测（未来一月年化波动21%-31%）。适合量化研究员、金融分析师、基金经理、金融工程学生等专业人士参考，帮助提升因子建模与风险预测的准确性。

📋 核心要点(部分)

1. 数据异常值处理常用方法比较与实践
2. 市场风格解析
3. 指数风险预测
4. 指数成分收益归因